搞不清边缘计算几款产品差异？动动小手点这里！-创新互联

最近阿里云新上了一款产品，边缘节点服务（简称ENS），随着产品运营推广不断深入，偶尔会遇到用户关于ENS产品与其他几款产品的疑惑，典型问题比如：

• ENS是部署在CDN位置，用户是不是可以直接使用CDN替代？

• ENS提供的资源是虚机，和ECS产品有什么不同？

• 物联网也有边缘计算，ENS和它分别解决什么问题？

针对上面的疑问， 阿里云高级产品经理王文娟 将从位置、能力、场景、竞争等几个层面展开详细说明，通过这篇文章让用户全面了解ENS与其他几款产品的差异，对号入座，能够给每类场景匹配最优的解决方案。

产品定义

从阿里云官网、帮助文档等渠道，可以轻松获知CDN、ECS、Link Edge几款产品的产品定义，我摘录如下：

CDN：将源站内容分发至最接近用户的节点，使用户可就近取得所需内容，提高用户访问的响应速度和成功率。解决因分布、带宽、服务器性能带来的访问延迟问题，适用于站点加速、点播、直播等场景。

ECS：云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。

Link Edge：物联网边缘计算平台，又名Link Edge，是阿里云能力在边缘端的拓展。可部署于不同量级的智能设备和计算节点中，通过定义物模型连接不同协议、不同数据格式的设备，提供安全可靠、低延时、低成本、易扩展、弱依赖的本地计算服务。

ENS：提供基于CDN的边缘弹性基础设施，使您可以将计算、转发等业务下沉至边缘。降低响应时延和带宽成本、减轻中心集群压力，适用于“中心+边缘”架构模型下的各类业务。

把上面四款产品的字面定义，进行关键字拆解和提取，大致能够得到如下关键字：

CDN：内容、就近获取、解决访问延迟  
ECS：弹性、计算  
Link Edge：物联网、部署节点、定义设备、本地计算  
ENS：边缘节点、弹性基础设施、降低时延

核心差异

从上面的定义和关键字拆解，可以看出来每个产品在位置、提供能力、侧重领域等方面的明显差异，本文中概括为如下表格。

ENS与CDN

目前，ENS与CDN均位于基于城市与运营商的城域网络边缘侧，均满足用户就近处理、全区覆盖的需求。

两个产品的主要差异在于提供的能力。CDN是经过多年发展、有明确需求场景的成熟领域，专注做文件、视频内容的分发加速，用户完成添加域名、配置源站、添加CNAME等操作，就可以使用CDN进行内容加速。

ENS则是将边缘位置的计算能力挖掘开放出来，不限定于做内容加速一个事情，用户可以根据业务需求灵活选择算力规格、协议、端口，开发部署自己的边缘就近处理系统。

所以，如果用户要做标准的内容加速，推荐使用CDN产品；如果用户要在边缘节点做自定义的就近处理、转发、缓存、逻辑，推荐使用ENS产品。

ENS与ECS

提供能力上，ENS与ECS目前均提供虚机资源，看起来能力比较趋同，但虚机仅是ENS产品业务切入初期的形态选择（技术成熟度、客户接受度、切入进度），中长期来看，ENS的能力核心在于边缘覆盖和就近处理能力，目标提供一个完善的分布式计算分发调度平台，而形态是虚机、容器、函数还是其他，并不会刻意去限定用户。

两个产品更大的差异在位置与覆盖层面，用户使用ECS集中来做主站、数据中心，即便考虑多可用因素，一般5个以内region足够满足需要。而用户使用ENS目的，是要解决云中心无法满足的就近接入的需求。

所以，如果用户要做主站、数据中心，关注超高可用、不关注网络传输延时，推荐使用ECS产品；如果用户关注终端访问延时，在云中心之外仍在使用大量的全国各地的机房资源，推荐使用ENS产品。

ENS与Linkedge

ENS与Linkedge同处于广义的边缘计算领域，由于提供的产品能力差异、部署位置差异，两者的适用场景也有清晰的差异面。

Linkedge作为物联网边缘计算平台，提供的是SDK组件，帮助用户将SDK部署在用户本地侧的自有网关或其他智能设备之上，通过云端协同，完成智能设备接入、规则设定、消息路由、本地函数计算等操作，适用于家庭、楼宇、厂区等物联终端上报 并本地响应的场景。

而ENS产品，通过自建、共建、合作等方式，自有掌握了大量的网络边缘侧的节点资源，并在这些资源基础上自研构建了高度自动化远程运管的标准ApsaraEdge系统，提供分布式、全区覆盖的弹性算力资源。用户可以弹性付费使用ENS算力资源、构建自己的就近处理业务，访问边缘节点的终端可以是PC / PHONE / TV / CAMERA...等各种联网设备。

总结

综上，ENS与CDN、ECS、LinkEdge等产品在位置覆盖、提供能力、面向场景等方面有清晰的差异和切割面。希望本文读者对ENS产品的定义、能力、差异化有清晰的认知，更期待各类边缘计算领域的朋友与我们交流！

作者： 樰篱